Vorstellung eines neuen modellspezifischen Fehlermaßes zur Bewertung von Windleistungsprognosemodellen
|
|
- Pia Holzmann
- vor 6 Jahren
- Abrufe
Transkript
1 Vorstellung eines neuen modellspezifischen Fehlermaßes zur Bewertung von Windleistungsprognosemodellen 4. Fachtagung Energiemeteorologie April 2016 in Bremerhaven Jan Dobschinski, Malte Siefert, Yves-Marie Saint-Drenan
2 Grundlegende Datenbasis
3 Grundlegende Datenbasis 17 verschiedene Windprognosen unterschiedlicher Wettermodelle mit Prognosehorizonten 6-30 h
4 Grundlegende Datenbasis 17 verschiedene Windprognosen unterschiedlicher Wettermodelle mit Prognosehorizonten 6-30 h Identische Verfahren zur Transformation in Windleistung
5 Grundlegende Datenbasis 17 verschiedene Windprognosen unterschiedlicher Wettermodelle mit Prognosehorizonten 6-30 h Identische Verfahren Zur Transformation in Windleistung 17 verschiedene Prognosemodelle
6 Grundlegende Datenbasis 17 verschiedene Windprognosen unterschiedlicher Wettermodelle mit Prognosehorizonten 6-30 h Identische Verfahren Zur Transformation in Windleistung 17 verschiedene Prognosemodelle 17 x 250 Windpark- und Portfolioprognosen* [*Portfolio besteht aus 2 bis 50 Windparks zufällig verteilt über Deutschland]
7 Prognoseauswertung standardmäßig in Form des RMSE Angabe der Prognosegüte meist in Form des N (Messung t i Prognose t i ) 2 i=1 RMSE = N in % der installierten Nennleistung
8 RMSE Häufigkeitsverteilung für Prognosemodell A Absolute Häufigkeit RMSE Werte basierend auf Prognosemodell A RMSE Werte in % der Nennl. der Windpark- und Portfolioprognosen Portfolioprognosen Windparkprognosen Bimodale Verteilung und großer Wertebereich durch Abhängigkeit des RMSE vom Aggregationslevel und Standorteigenschaften
9 RMSE Häufigkeitsverteilung für Prognosemodell A und B Absolute Häufigkeit RMSE Werte basierend auf Prognosemodell A RMSE Werte basierend auf Prognosemodell B RMSE Werte in % der Nennl. der Windpark- und Portfolioprognosen Portfolioprognosen Windparkprognosen Problem: Überlappung der RMSE-Verteilungen erlaubt keinen fairen Vergleich der Güte der beiden Prognosemodelle A und B auf Basis einer kleinen Stichprobe von Windpark-/Portfolioprognosen.
10 Zielsetzung für diese Studie 1. Herleitung eines neuen modellspezifischen Fehlermaßes, welches unabhängig von den natürlichen Eigenschaften des zu prognostizierenden Windparks oder Portfolios ist, wie Räumliche Aggregation von Windturbinen und Windparks Terrain und Orographie Unterschiedliche Glättungen von Windparkkennlinien Windpotential und -charakteristik 2. Test des neuen modellspezifischen Fehlermaßes durch Stichprobenexperiment
11 Grundgedanke 1. Herleitung eines neuen modellspezifischen Fehlermaßes, welches unabhängig von den natürlichen Eigenschaften des zu prognostizierenden Windparks oder Portfolios ist, wie Räumliche Aggregation von Windturbinen und Windparks Terrain und Orographie Unterschiedliche Glättungen von Windparkkennlinien Windpotential und -charakteristik Natürliche Eigenschaften können durch die Variabilität der Einspeisung zusammengefasst und quantifiziert werden [1]. Definition Variabilitaet V : V = P t P(t 1h) t Auswertezeitraum = Mittlere absolute Höhe der zeitlichen Änderungen der gemessenen Windstromeinspeisung im Auswertezeitraum. [1] J.Dobschinski: "How good is my forecast? Comparability of wind power forecast errros", Proceedings of the 13th International Workshop on Large-Scale Integration of Wind Power into Power Systems as well as on Transmission Networks for Offshore Wind Power Plants, November 2014, Berlin, 2014
12 RMSE vs. Variabilität der Einspeisung für ein Prognosemodell A RMSE ~ m V + b Variabilitaet V = P t P(t 1h) t in % Nennl.
13 RMSE vs. Variabilität für alle N=17 Prognosemodelle Linear Fits mit R>0.94 Prognosemodelle mit höherer Prognosegüte RMSE~ m(n) V + b(n) Variabilitaet V = P t P(t 1h) t in % Nennl.
14 RMSE vs. Variabilität für alle N=17 Prognosemodelle Linear Fits mit R>0.94 Prognosemodelle mit höherer Prognosegüte Funktionaler Zusammenhang durch Einführung Residuum RMSE W N = m N V W W + b N + ε N Variabilitaet V = P t P(t 1h) t in % Nennl.
15 Funktionaler Zusammenhang RMSE W N = m N V W + b N + ε N W
16 Funktionaler Zusammenhang Steigung m und Interzept b sind beide durch Prognosemodell N bedingt. RMSE W N = m N V W + b N + ε N W
17 Funktionaler Zusammenhang Steigung m und Interzept b sind beide durch Prognosemodell N bedingt. RMSE W N = m N V W + b N + ε N W Annahme: m N = const. = M N b N β(n)
18 Funktionaler Zusammenhang Steigung m und Interzept b sind beide durch Prognosemodell N bedingt. RMSE W N = m N V W + b N + ε N W Annahme: m N = const. = M N b N β(n) RMSE W N = Μ V W + β N + ε N W Natürlicher Fehleranteil Modellspezifischer Fehleranteil Nicht erklärter Fehleranteil
19 Standardisierung auf modellspezifische Prognosegüte RMSE W N in % Nennl. der Windpark und Portfolioprognosen RMSE W N = Μ V W + β N + ε N W Natürlicher Fehleranteil Modellspezifischer Fehleranteil Nicht erklärter Fehleranteil
20 Standardisierung auf modellspezifische Prognosegüte RMSE W N in % Nennl. der Windpark und Portfolioprognosen RMSE W N = Μ V W + β N + ε N W Reduktion um natürlichen Fehleranteil M V W Modellspezifischer Fehleranteil Nicht erklärter Fehleranteil
21 Standardisierung auf modellspezifische Prognosegüte RMSE W N in % Nennl. der Windpark und Portfolioprognosen RMSE W N = Μ V W + β N + ε N W Reduktion um natürlichen Fehleranteil Μ 6 30h V W Modellspezifische Prognosegüte RMSE W N Μ V W in % Nennl. RMSE W N Μ V W = β N + ε N W
22 Standardisierung auf modellspezifische Prognosegüte RMSE Werte basierend auf Prognosemodell A RMSE Werte basierend auf Prognosemodell B Modellspezifische Modellspezifische Prognosegüte Verteilung β 6 30h N + εder W N,6 30h Prognosegüte in % Nennl. RMSE W N Μ V W = β N + ε N W Modellspezifischer Fehler β N β N + ε N W = RMSE W N M V W Mittelwert über alle Windparks und Portfolios W
23 Stichproben -Experiment: Referenzwerte A) Modellspezifischer mittlerer RMSE RMSE all N = RMSE W N Verteilungen für N = 17 Prognosemodelle Hier am Beispiel von 2 Modellen A und B B) Modellspezifischer Fehler β β all (N) = RMSE W N M V W mit M = 2.1 V W = P W t P W (t 1h)
24 RMSE all N in % Nennl. Stichproben -Experiment: Referenzwerte Referenzwerte = Prognosemodellspezifische Mittelwerte RMSE all N und β all (N) über alle Windparks und Portfolios Ranking der Prognosegüte der N = 17 NWP-basierten Prognosemodellen Gleicher Informationsgehalt, wenn Auswertung über alle 250 Windparks und Portfolios Aufgabe: Abschätzung der Referenzwerte durch eine kleinere und zufällig ausgewählte Stichprobe je Prognosemodell β all N in % Nennl.
25 RMSE all N β all (N) Stichproben -Experiment: Ergebnis 1 Berechnung von RMSE N und β(n) durch zufällige Ziehung von 5 Windparks und/oder Portfolios je Prognosemodell. R 2 1: Referenzwerte können nicht ausreichend abgeschätzt werden durch Stichprobe Vorteile bei β ersichtlich
26 RMSE all N β all (N) Stichproben -Experiment: Ergebnis 2 Berechnung von RMSE N und β(n) durch zufällige Ziehung von 50 Windparks und/oder Portfolios. Referenzwerte können relativ gut abgeschätzt werden durch die Stichprobe Deutliche Vorteile bei β ersichtlich (R 2 =0.97)
27 Stichproben -Experiment: Ergebnis maliges Neuziehen je Anzahl zufällig ausgewählter Windparks und Portfolios Berechnung des Mittelwert, P1 und P99 aus 1000 Schätzwerten Deutlich schnelle Konvergenz und geringere Unsicherheit durch Abschätzung des Referenzwertes via β(n)
28 Zusammenfassung RMSE ist ungeeignet, um eine faire Aussage über die Qualität eines Prognosemodells zu treffen. Ausnutzung von RMSE ~ Variabilität der Einspeisung zur Einführung des Modell-spezifischen Prognosefehlers β Test von β innerhalb eines Stichprobenexperiments Deutlich schnelle Konvergenz und geringere Unsicherheit durch Abschätzung des Referenzwertes via β
29 Ausblick: Anwendung auf Solarstromvorhersage
30 Dobschinski, Siefert, Saint-Drenan: Vorstellung eines neuen modellspezifischen Fehlermaßes zur Bewertung von Windleistungsprognosemodellen, 4. Fachtagung Energiemeteorologie, April 2016 in Bremerhaven
Datenanalyse. (PHY231) Herbstsemester Olaf Steinkamp
Datenanalyse (PHY31) Herbstsemester 015 Olaf Steinkamp 36-J- olafs@physik.uzh.ch 044 63 55763 Einführung, Messunsicherheiten, Darstellung von Messdaten Grundbegriffe der Wahrscheinlichkeitsrechnung und
MehrRegression ein kleiner Rückblick. Methodenseminar Dozent: Uwe Altmann Alexandra Kuhn, Melanie Spate
Regression ein kleiner Rückblick Methodenseminar Dozent: Uwe Altmann Alexandra Kuhn, Melanie Spate 05.11.2009 Gliederung 1. Stochastische Abhängigkeit 2. Definition Zufallsvariable 3. Kennwerte 3.1 für
MehrGrundlegende Eigenschaften von Punktschätzern
Grundlegende Eigenschaften von Punktschätzern Worum geht es in diesem Modul? Schätzer als Zufallsvariablen Vorbereitung einer Simulation Verteilung von P-Dach Empirische Lage- und Streuungsparameter zur
MehrStatistische Methoden der Datenanalyse Wintersemester 2011/2012 Albert-Ludwigs-Universität Freiburg
Statistische Methoden der Datenanalyse Wintersemester 2011/2012 Albert-Ludwigs-Universität Freiburg Prof. Markus Schumacher Physikalisches Institut Westbau 2 OG Raum 008 Telefonnummer 07621 203 7612 E-Mail:
MehrMehrebenenanalyse. Seminar: Multivariate Analysemethoden Referentinnen: Barbara Wulfken, Iris Koch & Laura Früh
Mehrebenenanalyse Seminar: Multivariate Analysemethoden Referentinnen: Barbara Wulfken, Iris Koch & Laura Früh Inhalt } Einführung } Fragestellung } Das Programm HLM } Mögliche Modelle } Nullmodell } Random
MehrEinführung in die Fehlerrechnung und Messdatenauswertung
Grundpraktikum der Physik Einführung in die Fehlerrechnung und Messdatenauswertung Wolfgang Limmer Institut für Halbleiterphysik 1 Fehlerrechnung 1.1 Motivation Bei einem Experiment soll der Wert einer
MehrStatistik. Datenanalyse mit EXCEL und SPSS. Prof. Dr. Karlheinz Zwerenz. R.Oldenbourg Verlag München Wien. Von
Statistik Datenanalyse mit EXCEL und SPSS Von Prof. Dr. Karlheinz Zwerenz R.Oldenbourg Verlag München Wien Inhalt Vorwort Hinweise zu EXCEL und SPSS Hinweise zum Master-Projekt XI XII XII TEIL I GRUNDLAGEN
MehrZeit zum Kochen [in min] [10, 20[ [20, 30[ [30, 40[ [40, 50[ [50,60[ [60, 100] Hi
1. Susi und Fritzi bereiten ein Faschingsfest vor, dazu gehört natürlich ein Faschingsmenü. Ideen haben sie genug, aber sie möchten nicht zu viel Zeit fürs Kochen aufwenden. In einer Zeitschrift fanden
Mehr4. Schließende Statistik (Inferenzstatistik, konfirmatorische Verfahren)
4. Schließende Statistik (Inferenzstatistik, konfirmatorische Verfahren) 4.1. Einführung Schätzen unbekannter Parameter im Modell, z.b. Wahrscheinlichkeiten p i (Anteile in der Gesamtmenge), Erwartungswerte
MehrEinführung in die Wahrscheinlichkeitsrechnung und Statistik für Ingenieure
Einführung in die Wahrscheinlichkeitsrechnung und Statistik für Ingenieure Von Prof. Hubert Weber Fachhochschule Regensburg 3., überarbeitete und erweiterte Auflage Mit zahlreichen Bildern, Tabellen sowie
MehrWärmebedarfsprognose für Einfamilienhaushalte auf Basis von Künstlichen Neuronalen Netzen
Wärmebedarfsprognose für Einfamilienhaushalte auf Basis von Künstlichen Neuronalen Netzen Internationale Energiewirtschaftstagung Wien - 12.02.2015 Maike Hasselmann, Simon Döing Einführung Wärmeversorgungsanlagen
MehrAussagen hierzu sind mit einer unvermeidbaren Unsicherheit behaftet, die statistisch über eine Irrtumswahrscheinlichkeit bewertet wird.
Stichprobenumfang Für die Fragestellung auf Gleichheit von ein oder zwei Stichproben wird auf Basis von Hypothesentests der notwendige Stichprobenumfang bestimmt. Deshalb werden zunächst die Grundlagen
Mehrb) Bestimmen Sie die Varianz der beiden Schätzer. c) Ist ein oder sind beide Schätzer konsistent? Begründen Sie!
Aufgabe 1 (3 + 3 + 2 Punkte) Ein Landwirt möchte das durchschnittliche Gewicht von einjährigen Ferkeln bestimmen lassen. Dies möchte er aus seinem diesjährigen Bestand an n Tieren schätzen. Er kann dies
MehrHypothesenprüfung. Darüber hinaus existieren zahlreiche andere Testverfahren, die alle auf der gleichen Logik basieren
Hypothesenprüfung Teil der Inferenzstatistik Befaßt sich mit der Frage, wie Hypothesen über eine (in der Regel unbekannte) Grundgesamtheit an einer Stichprobe überprüft werden können Behandelt werden drei
MehrVS PLUS
VS PLUS Zusatzinformationen zu Medien des VS Verlags Statistik II Inferenzstatistik 2010 Übungsaufgaben und Lösungen Inferenzstatistik 2 [Übungsaufgaben und Lösungenn - Inferenzstatistik 2] ÜBUNGSAUFGABEN
Mehr8. Statistik Beispiel Noten. Informationsbestände analysieren Statistik
Informationsbestände analysieren Statistik 8. Statistik Nebst der Darstellung von Datenreihen bildet die Statistik eine weitere Domäne für die Auswertung von Datenbestände. Sie ist ein Fachgebiet der Mathematik
Mehr1.1.1 Ergebnismengen Wahrscheinlichkeiten Formale Definition der Wahrscheinlichkeit Laplace-Experimente...
Inhaltsverzeichnis 0 Einführung 1 1 Zufallsvorgänge und Wahrscheinlichkeiten 5 1.1 Zufallsvorgänge.......................... 5 1.1.1 Ergebnismengen..................... 6 1.1.2 Ereignisse und ihre Verknüpfung............
MehrÜberschrift. Titel Prognosemethoden
Überschrift Prognosemethoden Überschrift Inhalt 1. Einleitung 2. Subjektive Planzahlenbestimmung 3. Extrapolierende Verfahren 3.1 Trendanalyse 3.2 Berücksichtigung von Zyklus und Saison 4. Kausale Prognosen
Mehr1 Auswirkungen der Entwicklungen des Energiemarktes auf den Kläranlagenbetrieb 1. 2 Zielsetzung der Arbeit 8
Inhaltsverzeichnis 1 Auswirkungen der Entwicklungen des Energiemarktes auf den Kläranlagenbetrieb 1 2 Zielsetzung der Arbeit 8 3 Biogaspotenziale kommunaler Klärschlämme 11 3.1 Charakterisierung von Biogaspotenzialen
MehrDas Konfidenzintervall (Confidence Interval CI) Vertrauen schaffen, Signifikanz erkennen Autor: Beat Giger
QUALITY APPs Applikationen für das Qualitätsmanagement Testen und Anwenden Das Konfidenzintervall (Confidence Interval CI) Vertrauen schaffen, Signifikanz erkennen Autor: Beat Giger Das Konfidenzintervall
MehrIterative Verfahren, Splittingmethoden
Iterative Verfahren, Splittingmethoden Theodor Müller 19. April 2005 Sei ein lineares Gleichungssystem der Form Ax = b b C n, A C n n ( ) gegeben. Es sind direkte Verfahren bekannt, die ein solches Gleichungssystem
MehrHydrologie und Flussgebietsmanagement
Hydrologie und Flussgebietsmanagement o.univ.prof. DI Dr. H.P. Nachtnebel Institut für Wasserwirtschaft, Hydrologie und konstruktiver Wasserbau Gliederung der Vorlesung Statistische Grundlagen Etremwertstatistik
MehrI. Deskriptive Statistik 1
I. Deskriptive Statistik 1 1. Einführung 3 1.1. Grundgesamtheit und Stichprobe.................. 5 1.2. Merkmale und Verteilungen..................... 6 1.3. Tabellen und Grafiken........................
MehrPhysikprotokoll: Fehlerrechnung. Martin Henning / Torben Zech / Abdurrahman Namdar / Juni 2006
Physikprotokoll: Fehlerrechnung Martin Henning / 736150 Torben Zech / 7388450 Abdurrahman Namdar / 739068 1. Juni 2006 1 Inhaltsverzeichnis 1 Einleitung 3 2 Vorbereitungen 3 3 Messungen und Auswertungen
Mehr1 Einleitung. 1.1 Was ist Ökonometrie und warum sollte man etwas darüber lernen?
1 Einleitung 1.1 Was ist Ökonometrie und warum sollte man etwas darüber lernen? Idee der Ökonometrie: Mithilfe von Daten und statistischen Methoden Zusammenhänge zwischen verschiedenen Größen messen. Lehrstuhl
Mehr8. Konfidenzintervalle und Hypothesentests
8. Konfidenzintervalle und Hypothesentests Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Beispiel. Sie wollen den durchschnittlichen Fruchtsaftgehalt eines bestimmten Orangennektars
MehrWirtschaftlichkeit von Windenergieprojekten in NDS
Wirtschaftlichkeit von Windenergieprojekten in NDS Relevante Rahmenbedingungen und Einfluss des EEG 2014 5. OLEC Jahrestagung Oldenburg, 16.10.2014 Überblick Deutsche WindGuard GmbH Erfahrungen Windenergieausbau
MehrTestverfahren. 1. Pepsi vs. Coca-Cola
1. Pepsi vs. Coca-Cola Testverfahren Über Geschmack lässt sich bekanntermaßen streiten. Häufig stellt sich nämlich die Frage, ob der Unterschied zwischen zwei Produkten überhaupt feststellbar ist. Einer
MehrLösungen zur Biomathe-Klausur Gruppe A Montag, den 16. Juli 2001
Lösungen zur Biomathe-Klausur Gruppe A Montag, den 16. Juli 2001 1. Sensitivität und Spezifität In einer medizinischen Ambulanz haben 30 % der Patienten eine akute Appendizitis. 80 % dieser Patienten haben
MehrDie Varianz (Streuung) Definition
Die (Streuung) Definition Diskrete Stetige Ang., die betrachteten e existieren. var(x) = E(X EX) 2 heißt der Zufallsvariable X. σ = Var(X) heißt Standardabweichung der X. Bez.: var(x), Var(X), varx, σ
MehrRegression I. Statistik I. Sommersemester Lineare Regression Zusammenhang und Modell Ein Beispiel: Armut und Gewaltverbrechen Zusammenfassung
Sommersemester 2009 Ein Beispiel: Armut und Gewaltverbrechen Rechtswahl 15 10 5 0 5 10 Arbeitslosigkeit Zum Nachlesen Agresti: 9.1-9.4 Gehring/Weins: 8 Schumann: 8.1-8.2 Was ist ein Zusammenhang? Gemeinsame
MehrBivariater Zusammenhang in der Mehrfeldertafel PEΣO
Bivariater Zusammenhang in der Mehrfeldertafel PEΣO 9. November 2001 Bivariate Häufigkeitsverteilungen in Mehrfeldertabellen In der Mehrfeldertabelle werden im Gegensatz zur Vierfeldertabelle keine dichotomen
MehrF7: Statistik und Radioaktivität
Grundpraktikum F7: Statistik und Radioaktivität Autor: Partner: Versuchsdatum: Versuchsplatz: Abgabedatum: Inhaltsverzeichnis 1 Physikalische Grundlagen und Aufgabenstellung 2 2 Messwerte und Auswertung
MehrPrüfgröße: Ist die durch eine Schätzfunktion zugeordnete reelle Zahl (etwa Mittelwert 7 C).
Statistik Grundlagen Charakterisierung von Verteilungen Einführung Wahrscheinlichkeitsrechnung Wahrscheinlichkeitsverteilungen Schätzen und Testen Korrelation Regression Einführung Aus praktischen Gründen
MehrÜbungsaufgaben zu Statistik II
Übungsaufgaben zu Statistik II Prof. Dr. Irene Prof. Dr. Albrecht Ungerer Die Kapitel beziehen sich auf das Buch: /Ungerer (2016): Statistik für Wirtschaftswissenschaftler Springer Gabler 4 Übungsaufgaben
MehrWiederholung Hypothesentests Zusammenfassung. Hypothesentests. Statistik I. Sommersemester Statistik I Hypothesentests I (1/36)
Statistik I Sommersemester 2009 Statistik I I (1/36) Wiederholung Grenzwertsatz Konfidenzintervalle Logik des 0.0 0.1 0.2 0.3 0.4 4 2 0 2 4 Statistik I I (2/36) Zum Nachlesen Agresti/Finlay: Kapitel 6+7
MehrInformationen zur Windmessung und Zusammenfassung der Ertragsberechnung vom
Gemeinde Berg Windenergieprojekt Wadlhauser Gräben Windgutachten & Windmessung Informationen zur Windmessung und Zusammenfassung der Ertragsberechnung vom 13.11.2012 1.1. Zur Methode Von 09.05.2012 bis
MehrK8 Stetige Zufallsvariablen Theorie und Praxis
K8 Stetige Zufallsvariablen Theorie und Praxis 8.1 Theoretischer Hintergrund Wir haben (nicht abzählbare) Wahrscheinlichkeitsräume Meßbare Funktionen Zufallsvariablen Verteilungsfunktionen Dichten in R
MehrAnleitung: Standardabweichung
Anleitung: Standardabweichung So kann man mit dem V200 Erwartungswert und Varianz bzw. Standardabweichung bei Binomialverteilungen für bestimmte Werte von n, aber für allgemeines p nach der allgemeinen
MehrAufgabenblock 4. Da Körpergröße normalverteilt ist, erhalten wir aus der Tabelle der t-verteilung bei df = 19 und α = 0.05 den Wert t 19,97.
Aufgabenblock 4 Aufgabe ) Da s = 8. cm nur eine Schätzung für die Streuung der Population ist, müssen wir den geschätzten Standardfehler verwenden. Dieser berechnet sich als n s s 8. ˆ = = =.88. ( n )
MehrSolare Einstrahlung: Potentiale und Vorhersagbarkeit des Solarenergieangebotes in Niedersachsen
Solare Einstrahlung: Potentiale und Vorhersagbarkeit des Solarenergieangebotes in Niedersachsen Elke Lorenz Universität Oldenburg, Institut für Physik Abteilung Energie- und Halbleiterforschung AG Energiemeteorologie
MehrScheinklausur Stochastik 1 für Studierende des Lehramts und der Diplom-Pädagogik
Universität Karlsruhe (TH) Institut für Stochastik Dr. Bernhard Klar Dipl.-Math. oec. Volker Baumstark Name Vorname Matr.-Nr.: Scheinklausur Stochastik für Studierende des Lehramts und der Diplom-Pädagogik
MehrAngewandte Statistik 3. Semester
Angewandte Statistik 3. Semester Übung 5 Grundlagen der Statistik Übersicht Semester 1 Einführung ins SPSS Auswertung im SPSS anhand eines Beispieles Häufigkeitsauswertungen Grafiken Statistische Grundlagen
Mehrbei der Integration erneuerbarer Energien aus Sicht der Netzführung
Herausforderungen bei der Integration erneuerbarer Energien aus Sicht der Netzführung 4. Fachtagung Energiemeteorologie Bremerhaven 2. 22. April 216 Dr. Dominique Ernst, TenneT TSO GmbH Schlüsselaufgaben
MehrStatistik eindimensionaler Größen
Statistik eindimensionaler Größen Michael Spielmann Inhaltsverzeichnis 1 Aufgabe der eindimensionalen Statistik 2 2 Grundbegriffe 2 3 Aufbereiten der Stichprobe 3 4 Die Kennzahlen Mittelwert und Streuung,
MehrStatistik. Jan Müller
Statistik Jan Müller Skalenniveau Nominalskala: Diese Skala basiert auf einem Satz von qualitativen Attributen. Es existiert kein Kriterium, nach dem die Punkte einer nominal skalierten Variablen anzuordnen
MehrFachrechnen für Tierpfleger
Z.B.: Fachrechnen für Tierpfleger A10. Statistik 10.1 Allgemeines Was ist Statistik? 1. Daten sammeln: Durch Umfragen, Zählung, Messung,... 2. Daten präsentieren: Tabellen, Grafiken 3. Daten beschreiben/charakterisieren:
MehrOptimierungsmöglichkeiten der Solarleistungsprognose Dr. Michael Christoph, Dr. Thomas Sperling, EuroWind GmbH
Optimierungsmöglichkeiten der Solarleistungsprognose Dr. Michael Christoph, Dr. Thomas Sperling, EuroWind GmbH 23. Windenergietage, Potsdam 13. November 2014 Gliederung Wer ist EuroWind? Leistungsvorhersagen
MehrAbbildungsverzeichnis. Tabellenverzeichnis. Allgemeine Abkürzungen. Abkürzungen zu Literatur und Fußnoten. Symbolverzeichnis.
Inhaltsverzeichnis Abbildungsverzeichnis Tabellenverzeichnis Allgemeine Abkürzungen Abkürzungen zu Literatur und Fußnoten Symbolverzeichnis VIII VIII X XIV XVI 1 Einleitung 1 1.1 Fragestellung 1 1.2 Abgrenzung
MehrProf. Dr. Christoph Kleinn Institut für Waldinventur und Waldwachstum Arbeitsbereich Waldinventur und Fernerkundung
Systematische Stichprobe Rel. große Gruppe von Stichprobenverfahren. Allgemeines Merkmal: es existiert ein festes, systematisches Muster bei der Auswahl. Wie passt das zur allgemeinen Forderung nach Randomisierung
MehrForschungsstatistik I
Prof. Dr. G. Meinhardt. Stock, Taubertsberg R. 0-0 (Persike) R. 0-1 (Meinhardt) Sprechstunde jederzeit nach Vereinbarung Forschungsstatistik I Dr. Malte Persike persike@uni-mainz.de http://psymet0.sowi.uni-mainz.de/
MehrSchätzverfahren ML vs. REML & Modellbeurteilung mittels Devianz, AIC und BIC. Referenten: Linda Gräfe & Konstantin Falk
Schätzverfahren ML vs. REML & Modellbeurteilung mittels Devianz, AIC und BIC Referenten: Linda Gräfe & Konstantin Falk 1 Agenda Schätzverfahren ML REML Beispiel in SPSS Modellbeurteilung Devianz AIC BIC
Mehr3.2 Streuungsmaße. 3 Lage- und Streuungsmaße 133. mittlere Variabilität. geringe Variabilität. große Variabilität 0.0 0.1 0.2 0.3 0.4 0.
Eine Verteilung ist durch die Angabe von einem oder mehreren Mittelwerten nur unzureichend beschrieben. Beispiel: Häufigkeitsverteilungen mit gleicher zentraler Tendenz: geringe Variabilität mittlere Variabilität
MehrDirektvermarktung von Windkraft in Österreich
Direktvermarktung von Windkraft in Österreich Aktuelle Rahmenbedingungen & Herausforderungen Dr Maximilian Kloess oekostrom Handels GmbH Laxenburger Straße 2 1100 Wien 1 100% Tochter der oekostrom AG Aufgaben:
MehrMögliche Fehler beim Testen
Mögliche Fehler beim Testen Fehler. Art (Irrtumswahrscheinlichkeit α), Zusammenfassung: Die Nullhypothese wird verworfen, obwohl sie zutrifft. Wir haben uns blamiert, weil wir etwas Wahres abgelehnt haben.
MehrETWR Teil B. Spezielle Wahrscheinlichkeitsverteilungen (stetig)
ETWR Teil B 2 Ziele Bisher (eindimensionale, mehrdimensionale) Zufallsvariablen besprochen Lageparameter von Zufallsvariablen besprochen Übertragung des gelernten auf diskrete Verteilungen Ziel des Kapitels
MehrMathematische und statistische Methoden II
Statistik & Methodenlehre e e Prof. Dr. G. Meinhardt 6. Stock, Wallstr. 3 (Raum 06-206) Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung. Mathematische und statistische Methoden II Dr. Malte
MehrAnwendungen des Fréchet-Abstandes Das Constrained Free Space Diagram zur Analyse von Körperbewegungen
Anwendungen des Fréchet-Abstandes Das Constrained Free Space Diagram zur Analyse von Körperbewegungen David Knötel Freie Universität Berlin, Institut für Informatik Seminar über Algorithmen Leitfaden Wiederholung
MehrÜbung zur Empirischen Wirtschaftsforschung V. Das Lineare Regressionsmodell
Universität Ulm 89069 Ulm Germany Dipl.-WiWi Christian Peukert Institut für Wirtschaftspolitik Fakultät für Mathematik und Wirtschaftswissenschaften Ludwig-Erhard-Stiftungsprofessur Sommersemester 2010
MehrMathematik: LehrerInnenteam Arbeitsblatt Semester ARBEITSBLATT 12. Erwartungswert, Varianz und Standardabweichung
Mathematik: LehrerInnenteam Arbeitsblatt 7-7. Semester ARBEITSBLATT Erwartungswert, Varianz und Standardabweichung Die Begriffe Varianz und Standardabweichung sind uns bereits aus der Statistik bekannt
Mehrmethodenlehre ll Grenzen des Signifikanztests methodenlehre ll Grenzen des Signifikanztests
Möglichkeiten und Grenzen des Signifikanztests Thomas Schäfer SS 29 1 Grenzen des Signifikanztests Sie haben zur Untersuchung Ihrer Fragestellung eine Experimental und eine Kontrollgruppe mit jeweils 2
MehrRobustheitsuntersuchung am Beispiel der rechnerischen Simulation der ECE-R14
alt 1. Vergleich der Methoden Reine Monte-Carlo-Analyse Ersatzflächenbasierte Monte-Carlo-Analyse 2. Restriktionen nach ECE-R14 3. FEM-Modell 4. Bauteile/ Parameter 5. Anwendung beider Methoden auf ECE-R14
MehrComputerübung 5. Empirische Wirtschaftsforschung. Willi Mutschler. Ökonometrie und Wirtschaftsstatistik Uni Münster. 26.
Computerübung 5 Empirische Wirtschaftsforschung Willi Mutschler Ökonometrie und Wirtschaftsstatistik Uni Münster 26. November 2010 Willi Mutschler (Uni Münster) Computerübung 5 26. November 2010 1 / 11
MehrAnlagentechnik: Welche technischen Möglichkeiten gibt es insbesondere im Hinblick auf Fledermäuse?
Welche technischen Möglichkeiten gibt es insbesondere im Hinblick auf Freiburger Institut für angewandte Tierökologie (FrInaT GmbH) Dr. Robert Brinkmann Energiewende in Rheinland-Pfalz: Windkraft und Naturschutz
MehrÜbungsbuch Statistik für Dummies
beborah Rumseif Übungsbuch Statistik für Dummies WILEY- VCH WILEY-VCH Verlag GmbH & Co. KGaA Inhaltsverzeichnis Über die Autorin 8 Über den Übersetzer 8 Einführung 15 Über dieses Buch 15 Törichte Annahmen
Mehr8. Mehrkomponentensysteme. 8.1 Partielle molare Größen. Experiment 1 unter Umgebungsdruck p:
8. Mehrkomponentensysteme 8.1 Partielle molare Größen Experiment 1 unter Umgebungsdruck p: Fügen wir einer Menge Wasser n mit Volumen V (molares Volumen v m =V/n) bei einer bestimmten Temperatur T eine
MehrBiomathematik für Mediziner, Klausur SS 2001 Seite 1
Biomathematik für Mediziner, Klausur SS 2001 Seite 1 Aufgabe 1: Von den Patienten einer Klinik geben 70% an, Masern gehabt zu haben, und 60% erinnerten sich an eine Windpockeninfektion. An mindestens einer
MehrSpezielle stetige Verteilungen
Spezielle stetige Verteilungen schon bekannt: Die Exponentialverteilung mit Parameter k R, k > 0 hat die Dichte f (x) = ke kx für x 0 und die Verteilungsfunktion F (x) = 1 e kx für x 0. Eigenschaften Für
MehrChi-Quadrat Verfahren
Chi-Quadrat Verfahren Chi-Quadrat Verfahren werden bei nominalskalierten Daten verwendet. Die einzige Information, die wir bei Nominalskalenniveau zur Verfügung haben, sind Häufigkeiten. Die Quintessenz
MehrWindenergie. Technische Machbarkeit der Energiewende. Professor Dr. Gonde Dittmer Energiewende 1
Technische Machbarkeit der Energiewende Professor Dr. Gonde Dittmer Energiewende 1 Professor Dr. Gonde Dittmer Energiewende 2 Windenergie Energieverbrauch Deutschland pro Jahr Masse fossile Energie Inhalt
MehrProtokoll Grundpraktikum I: T6 Thermoelement und newtonsches Abkühlungsgesetz
Protokoll Grundpraktikum I: T6 Thermoelement und newtonsches Abkühlungsgesetz Sebastian Pfitzner 5. Juni 03 Durchführung: Sebastian Pfitzner (553983), Anna Andrle (55077) Arbeitsplatz: Platz 3 Betreuer:
MehrDer Zentrale Grenzwertsatz
QUALITY-APPS Applikationen für das Qualitätsmanagement Der Zentrale Grenzwertsatz Autor: Dr. Konrad Reuter Für ein Folge unabhängiger Zufallsvariablen mit derselben Verteilung und endlichem Erwartungswert
MehrÜbungsblatt 9. f(x) = e x, für 0 x
Aufgabe 1: Übungsblatt 9 Basketball. Ein Profi wirft beim Training aus einer Entfernung von sieben Metern auf den Korb. Er trifft bei jedem Wurf mit einer Wahrscheinlichkeit von p = 1/2. Die Zufallsvariable
MehrWahrscheinlichkeitsrechnung
Statistik und Wahrscheinlichkeitsrechnung Prof. Dr. Michael Havbro Faber 28.05.2009 1 Korrektur zur letzten Vorlesung Bsp. Fehlerfortpflanzung in einer Messung c B a 2 2 E c Var c a b A b 2 2 2 n h( x)
Mehrad Physik A VL2 (11.10.2012)
ad Physik A VL2 (11.10.2012) korrigierte Varianz: oder: korrigierte Stichproben- Varianz n 2 2 2 ( x) ( xi ) n 1 i1 1 n 1 n i1 1 Begründung für den Vorfaktor : n 1 Der Mittelwert der Grundgesamtheit (=
Mehr>>> Erfahrungsbericht über den Betrieb eines Virtuellen Kraftwerkes auf der Basis erneuerbarer Energien. Thomas Klose
>>> Erfahrungsbericht über den Betrieb eines Virtuellen Kraftwerkes auf der Basis erneuerbarer Energien Thomas Klose 5. Fachgespräch Energieversorgungssysteme der Zukunft 13. Juni 2013 energy & meteo systems
MehrAufgaben zu Kapitel 7:
Aufgaben zu Kapitel 7: Aufgabe 1: In einer Klinik sollen zwei verschiedene Therapiemethoden miteinander verglichen werden. Zur Messung des Therapieerfolges werden die vorhandenen Symptome einmal vor Beginn
MehrLaborchemische Referenzwerte in der klinischen Versorgung
Laborchemische Referenzwerte in der klinischen Versorgung Dr. Robin Haring Institut für Klinische Chemie und Laboratoriumsmedizin Universitätsmedizin Greifswald Wozu Referenzwerte? Vor allem in der Laboratoriumsmedizin
MehrJeweils am Montag um 18:30 treffen sich Studenten in Seminarraum 3 zum gemeinsamen Lernen.
Jeweils am Montag um 18:30 treffen sich Studenten in Seminarraum 3 zum gemeinsamen Lernen. Betrachtungen zu Sprache, Logik und Beweisen Sprache Wir gehen von unserem Alphabet einigen Zusatzsymbolen aus.
Mehr6. Faktorenanalyse (FA) von Tests
6. Faktorenanalyse (FA) von Tests 1 6. Faktorenanalyse (FA) von Tests 1 6.1. Grundzüge der FA nach der Haupkomponentenmethode (PCA) mit anschliessender VARIMAX-Rotation:... 2 6.2. Die Matrizen der FA...
MehrRotation. Versuch: Inhaltsverzeichnis. Fachrichtung Physik. Erstellt: U. Escher A. Schwab Aktualisiert: am 29. 03. 2010. Physikalisches Grundpraktikum
Fachrichtung Physik Physikalisches Grundpraktikum Versuch: RO Erstellt: U. Escher A. Schwab Aktualisiert: am 29. 03. 2010 Rotation Inhaltsverzeichnis 1 Aufgabenstellung 2 2 Allgemeine Grundlagen 2 2.1
MehrWindpotential in der Slowakei
Windpotential in der Slowakei Dipl.-Ing. (FH) Peter H. Meier, TÜV SÜD Industrie Service GmbH, Seminarreihe GO EAST TÜV SÜD Industrie Service Vorstellung I TÜV SÜD Industrie Service GmbH - Wind Cert Services
MehrZusammenhangsanalyse mit SPSS. Messung der Intensität und/oder der Richtung des Zusammenhangs zwischen 2 oder mehr Variablen
- nominal, ordinal, metrisch In SPSS: - Einfache -> Mittelwerte vergleichen -> Einfaktorielle - Mehrfaktorielle -> Allgemeines lineares Modell -> Univariat In SPSS: -> Nichtparametrische Tests -> K unabhängige
MehrBeispiel für Anwendung: z-tabelle kann genutzt werden, um z.b. Poissonverteilung näherungsweise zu integrieren. Beispiel: wie wahrscheinlich ist es
Beispiel für Anwendung: z-tabelle kann genutzt werden, um z.b. Poissonverteilung näherungsweise zu integrieren. Beispiel: wie wahrscheinlich ist es beim radioaktiven Zerfall, zwischen 100 und 110 Zerfälle
MehrMinisterium für Schule und Weiterbildung NRW M LK HT 6 Seite 1 von 10. Unterlagen für die Lehrkraft. Abiturprüfung Mathematik, Leistungskurs
Seite 1 von 10 Unterlagen für die Lehrkraft Abiturprüfung 2012 Mathematik, Leistungskurs 1. Aufgabenart Lineare Algebra/Geometrie mit Alternative 2 (Übergangsmatrizen) 2. Aufgabenstellung 1 siehe Prüfungsaufgabe
MehrWasserstoff aus Erneuerbaren Energien ermöglicht die sektorenübergreifende Energiewende
Wasserstoff aus Erneuerbaren Energien ermöglicht die sektorenübergreifende Energiewende H2Mobility Kongress Oliver Weinmann Vattenfall Europe Innovation GmbH 12. April 2016 Anteil Eerneuerbare Energien
MehrLernrückblick. 1 a) Ich weiß, wie ich ein Schrägbild in der Kabinettprojektion zeichne: 2 a) Ich kann einen Körper aus folgenden Ansichten zeichnen:
1 a) Ich weiß, wie ich ein Schrägbild in der Kabinettprojektion zeichne: b) Beispiel 2 a) Ich kann einen Körper aus folgenden Ansichten zeichnen: b) Beispiel 3 Entscheide dich. Ich fühle mich fit im Bereich
MehrKapitel 12 Stetige Zufallsvariablen Dichtefunktion und Verteilungsfunktion. stetig. Verteilungsfunktion
Kapitel 12 Stetige Zufallsvariablen 12.1. Dichtefunktion und Verteilungsfunktion stetig Verteilungsfunktion Trägermenge T, also die Menge der möglichen Realisationen, ist durch ein Intervall gegeben Häufig
Mehr9. Kapitel: Grafische Darstellung quantitativer Informationen
9. Kapitel: Grafische Darstellung quantitativer Informationen 9.1: Fallstricke bei der Übersetzung von Zahlen in Bilder a) optische Täuschungen b) absichtliche Manipulationen 9.2: Typologie von Datengrafiken
MehrTeil I Beschreibende Statistik 29
Vorwort zur 2. Auflage 15 Vorwort 15 Kapitel 0 Einführung 19 0.1 Methoden und Aufgaben der Statistik............................. 20 0.2 Ablauf statistischer Untersuchungen..............................
MehrInhaltsverzeichnis. Teil 1 Basiswissen und Werkzeuge, um Statistik anzuwenden
Inhaltsverzeichnis Teil 1 Basiswissen und Werkzeuge, um Statistik anzuwenden 1 Statistik ist Spaß 3 Warum Statistik? 3 Checkpoints 4 Daten 4 Checkpoints 7 Skalen - lebenslang wichtig bei der Datenanalyse
MehrIf something has a 50% chance of happening, then 9 times out of 10 it will. Yogi Berra
If something has a 50% chance of happening, then 9 times out of 10 it will. Yogi Berra If you torture your data long enough, they will tell you whatever you want to hear. James L. Mills Warum Biostatistik?
MehrDeskriptive Statistik 1 behaftet.
Die Statistik beschäftigt sich mit Massenerscheinungen, bei denen die dahinterstehenden Einzelereignisse meist zufällig sind. Statistik benutzt die Methoden der Wahrscheinlichkeitsrechnung. Fundamentalregeln:
MehrGamma-Spektroskopie und Statistik Versuch P2-72,73,83
Auswertung Gamma-Spektroskopie und Statistik Versuch P2-72,73,83 Iris Conradi und Melanie Hauck Gruppe Mo-02 20. Mai 2011 Inhaltsverzeichnis Inhaltsverzeichnis 1 Impulshöhenspektren 3 1.1 Einkanalbetrieb................................
MehrDas lineare Gleichungssystem
26/27 Grundwissen Analytische Geometrie I m1 as lineare Gleichungssystem Man startet zuerst mit der Betrachtung eines linearen Gleichungssystem mit zwei Unbekannten.(Genaueres siehe Skript) Einführung
MehrAkzeptanz von Offshore-Windparks bei Touristen und Experten
Akzeptanz von Offshore-Windparks bei Touristen und Experten Offshore-Windenergie: Chancen und Perspektiven für Kommunen und Stadtwerke Bremerhaven, 12. April 2011 Prof. Dr. Michael Vogel mvogel@hs-bremerhaven.de
MehrChi Quadrat-Unabhängigkeitstest
Fragestellung 1: Untersuchung mit Hilfe des Chi-Quadrat-Unabhängigkeitstestes, ob zwischen dem Herkunftsland der Befragten und der Bewertung des Kontaktes zu den Nachbarn aus einem Anderen Herkunftsland
Mehr3.4.1 Referenzwerte für das fetale Schätzgewicht in der SSW
60 3.4 Die Bedeutung des fetalen und des mütterlichen Gewichts in der 21.-24.SSW als prädiktiver Parameter für das Geburtsgewicht bei Geburt in der 36.-43.SSW 3.4.1 Referenzwerte für das fetale Schätzgewicht
Mehr